所谓实验研究中的变量，是指研究者感兴趣的、可以潜在地发生变化的事件和现象。实验中存在的变量有自变量、因变量和额外变量三种。

（一）自变量及其操纵

1. 自变量的含义

自变量是研究者能够控制的变量，它是引起因变量变化的原因。自变量随着研究目的和内容的不同而不同，如脑负荷水平、疲劳程度、照度、声压级等。自变量的变化范围应在被试的正常感知范围之内，并能全面反映对被试的影响。

2. 自变量的操纵

确定自变量合理的变化范围，是研究者得出正确结论的基本前提。那么怎样操纵自变量的变化范围呢？经过前人的总结，有以下的途径。首先，可以通过查阅相关文献，获得必要的知识。例如，通过查阅文献，我们了解到，视锥细胞的暗适应大约需要5分钟，而视杆细胞的暗适应大约需要30分钟。因此，如果我们想研究两种细胞的暗适应过程，那么，两种细胞暗适应时间的变化范围可分别确定为0～10分钟和0～40分钟。其次，为了确定合适的自变量的变化范围，有时有必要进行一些预备实验。

（二）因变量及其操纵

1. 因变量的含义

因变量是实验中由操纵自变量而引起的被试的某种特定反应，是研究者所观察的变量，如反应时、错误率或阅读速度等行为指标，以及事件相关电位的波幅、潜伏期和头皮分布等电生理指标等。

2. 因变量的控制

为了观察操纵自变量所引起的被试在行为或神经活动上的变化，我们需要选择恰当的因变量进行测量。一般认为，良好因变量需要具备四个特点。

（1）容易观察。以反应时（从刺激开始呈现到反应动作开始之间的时间间隔）为例，反应时可通过计算机自动测量和记录，因此容易观察。

（2）容易数量化。反应时单位为毫秒，可相当精确地进行记录。例如，一种名为DMDX的实验软件（Forster ＆ Forster，2003）所记录的反应时精度为毫秒级。

（3）经济可行。反应时可通过计算机自动测量和记录，也比较经济。

（4）信度和效度高。信度（reliability）是指测量的稳定性或可靠性的程度，或者说，信度是指用同一个测验对同一组被试进行多次测量时结果的一致性；效度（validity）是指所使用的测量能够达到测量目的的程度。信度和效度的概念在随后还会详细介绍。在人因安全领域，反应时测量具有良好的信度和效度。

（三）额外变量及控制

1. 额外变量的含义

额外变量也称混淆因素、干扰变量或无关变量，是指引起实验条件和控制条件之间差别的、研究者并不打算观察其效应的因素。控制额外变量的影响是实验设计的一项重要任务。

2. 额外变量的控制

额外变量可以分为两类。一类是随机的额外变量，是指偶然起作用的额外变量。通常无法绝对避免随机的额外变量的影响，但可以降到最低程度。随机的额外变量所造成的误差称作随机误差，是指不能加以控制、也很难明确解释的变化，是一种实验误差。通常的解决办法是增加被试数目和试验次数；另一类是系统的额外变量，是指经常地、稳定地起作用的额外变量。这种额外变量如果不加控制，就会造成系统误差（也称常误，constant error，简称CE）。通常所说的额外变量的控制，指的是对系统的额外变量的控制，本节介绍七种常用的控制方法。(www.daowen.com)

（1）排除法。

做法是把额外变量排除在外，例如为了避免环境噪声所造成的系统干扰，听觉实验一般要在隔音室里进行。在人因安全研究中，为避免主观因素对数据的影响，研究结束之前，被试并不被告知研究的真正目的，这种做法也称为单盲；更严格的做法还要求研究结束之前，就连主试也不知道研究的真正目的，这种做法称为双盲。

排除法的缺点是容易造成研究结论缺乏生态学效度，也就是研究结果应用于现实世界中的程度会受到影响。

（2）对立法。

所谓对立是指额外变量和自变量的效果对立。例如，在研究视觉复杂度如何影响图片命名反应时的实验中，研究者设计了三种复杂度水平。假设该研究者除了没有对熟悉度进行控制之外，对其他一些可能的额外变量，如图片名称频率进行了控制。三种水平（A1，A2，A3）中每种水平的实验所包含20幅图片的平均的视觉复杂度，以及相应的熟悉度和反应时的平均数。结果显示，视觉复杂度是A3＞A2＞A1，反应时是A3＞A2＞A1，即视觉复杂度越高，反应时越长。然而，由于熟悉度没有得到控制，所以，延长的反应时未必一定是视觉复杂度（自变量）的增加造成的，它也可能是熟悉度（额外变量）的降低引起的。如果这种怀疑成立的话，那么，三种条件之间熟悉度的变化模式应该是：A3＜A2＜A1。然而，实际的情形是：A3＞A2＞A1，这说明上述怀疑并不成立。因此，A3条件下反应时最长，只能是视觉复杂度的贡献，而不可能是熟悉度的作用。上述推论实际上使用的就是对立法的逻辑。

对立法也存在局限性。当对自变量作用的绝对量感兴趣时，研究者不能使用这种方法。

（3）恒定法。

恒定法在实际应用中可以对实验场所、实验时间、主试、被试性别、被试受教育程度等因素进行恒定。

恒定法的局限就是将额外变量恒定在一个水平，研究结论无法推广到额外变量的其他水平。

（4）随机化法。

随机化法是实验研究中用于控制额外变量的重要方法。通常采用对被试进行分组，也就是随机分派被试的方法，被试数量越多，随机分派创设出相等组的机会也越大，因此很多实验对被试人数有更多要求。还有一个方法是随机安全试验顺序。我们通常用一个办法进行随机排序，首先将实验材料进行编号并输入Excel软件中，利用RAND函数将实验材料编号进行随机化排序。

（5）匹配法。

当被试数量较少的时候，为了把被试分成相等的几个组，可采用匹配法。例如，探讨三组中学奥林匹克选手对某种问题解决方法应用的效果。研究人员先对被试的智商进行测量，根据智商平均数匹配出智商水平接近的三个组（三个组的智商测量平均数之间是否显著差异需进行统计检验）。

匹配法的局限性在于，对匹配那些额外变量需要被试准确的认识，还有如果匹配的数量过多，会存在操作上的困难。

（6）兼作组法。

为了消除不同被试这一额外变量的特点，由同一组被试完成所有的实验处理或兼做控制组和实验组，也就是重复试验设计。使用兼作组法时，由于同一个被试接受全部条件，每个条件至少试验一次，因此不同条件的试验顺序的安排是研究者面临的一个重要问题。这就是容易产生我们所说的练习效应和疲劳效应。为避免这两种效应，可以采用随机化法安排试验顺序。

（7）抵消平衡法。

平衡抵消法是通过采用某些综合平衡的方式使额外变量的效果互相抵消以达到控制额外变量的目的的方法。这种方法的主要作用是控制序列效应。如果给被试者施加一系列以固定顺序出现的不同处理，被试者的反应将会受到时序先后的影响。如果先后两种处理在性质上无关，就会产生疲劳的影响。这两种影响都可以使实验发生混淆，因而要加以抵消。如果只有A、B两种处理，最常用的抵消序列效应的方法是用ABBA的安排。即对同一组被试者先给予A处理，再给予B处理；然后倒过来，先给予B处理，再给予A处理。如果对几组被试者给予两种以上的处理，为了抵消序列效应则可采用拉丁方实验（Latin square experiment）。进入更深入的探讨时可以查阅关于实验设计的相关资料。